Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca
INIZIO_TESTO_DA_INDICIZZARE

PROGRAMMA DI RICERCA 2004

italiano - english
Unità di Ricerca
Programmi di ricerca simili:
Classificazione scientifico-disciplinare
Classificazione brevettuale
Classificazione geografica
Bibliografia
[A1] I. Ardelean, The relevance of biomembranes for P systems, Fundamenta Informaticae , 49 1-3 (2002), 35-43.
[A4] D. Besozzi, C. Ferretti, G. Mauri, C. Zandron, P Systems with Deadlock, BioSystems, 70(2), 2003, 95-105.
[A5] D. Besozzi, G. Mauri, G. Paun, C. Zandron, Gemmating P Systems: Collapsing Hierarchies, Theoretical Computer Science.
[A8] C. Ferretti, G. Mauri, G. Paun, C. Zandron, On Three Variants of Rewriting P Systems, Theoretical Computer Science, 301(1-3),
May 2003, 201-215.
[A11] P. Frisco, S. Ji, Info-energy P systems, Proc. DNA 8 conference, Hokkaido University, Sapporo, Japan, June 2002.
[A14] S. Marcus, Bridging P Systems and Genomics: A Preliminary Approach, in Membrane Computing, LNCS 2597, 2003, 371-376.
[A15] T.Y. Nishida, Simulations of Photosynthesis by a K-Subset Transforming System with Membranes, Fundamenta Informaticae, 49, 1-3 (2002), 249-259.
[A25] Y. Suzuki, H. Tanaka, Chemical Evolution Among Artificial Proto-cells, Artificial Life , 7 (2000), 54-63.
[BDNN01ic]
C. Bodei, P.Degano, F. Nielson, and H. R. Nielson.
Static analysis for the pi-calculus with applications to security.
Information and Computation, 168:68--92, 2001.
[CG98]
Luca Cardelli and Andrew D. Gordon.
Mobile ambients.
Foundations of Software Science and Computation Structures.
First International Conference, FOSSACS '98. Springer, 1998.
[CCDM]
Chiarugi, D., Curti, M., Degano, P. and Marangoni, R. VICE: a Virtual Cell,
submitted for publication.
[CDPB04]
M.Curti and P.Degano and C.Priami and C.T. Baldari.
Modelling biochemical pathways through enhanced pi-calculus. To appear on Theoretical Computer Science.
[DL03]
V.Danos and C. Laneve.
Core formal molecular biology.
In P. Degano, editor, Programming Languages and Systems, 12th
European Symposium on Programming, ESOP 2003, Warsaw, LNCS 2618. Springer, 2003.
[FB96]
W.Fontana and L.W. Buss.
The barrier of objects: from dynamical system to bounded
organizations. 56-116. Addison - Wesley, 1996.
[GP98]
P.J.E. Goss and J. Peccoud.
Quantitative modeling of stochastic systems in molecular biology by
using stochastic Petri nets. In Proceedings of the National Academy of Sciences USA,
Num 12, 6750-6754, 1998.
[HB98]
M.Holcombe and A.Bell.
Computational models of immunological pathways.
213-226, 1998.
[HKW03]
M.Heiner, I.Koch, and J.Will.
Model validation of biological pathway using petri nets -
demonstrated for apoptosis.
In Corrado Priami, editor, CMSB 2003, LNCS 2602. Springer, 2003.
[HT98]
R.Hofestadt and S.Thelen.
Quantitative modeling of biochemical networks.
In. Silico. Biol.], 1(1):39-53, 1998.
[Kitano02]
Kitano, H.
Foundations of System Biology,
MIT Press, 2002.
[KCH02]
N.Kam, I.R. Cohen, and D.Harel.
The immune system as a reactive system: Modelling t all activation
with statecharts.Bulletin of Mathematical Biology, to appear, 2002.
[KL91]
M.C. Kohn and D.R. Lemieux.
Identification of regulatory properties of metabolic networks by
graph theoretical modeling.
Journal of Theoretical Biology, 150:3-25, 1991.
[MDNM00]
H.Matsuno, A.Doi, M.Nagasaki, and S.Miyano.
Hybrid petri net representation of gene regulatory network.
In PSB, 2000.
[ML97]
W.M. Mounts and M.N. Liebman.
Qualitative modeling of normal blood coagulation and its pathological
states using stochastic activity networks.
Intl J of Biological Macromolecules, 20:265-281, 1997.
[MPW92]
R.Milner, J.Parrow, and D.Walker.
A calculus of mobile processes (i and ii).
Information and Computation, 100(1):1-72, 1992.
[NOMK99]
M.Nagasaki, S.Onami, S.Miyano, and Kitano H.
Bio-calculus: Its concept and molecular interaction.
Genome Informatics, 10:133-143, 1999.
[PRSS01]
C.Priami, A.Regev, W.Silverman, and E.Shapiro.
Application of a stochastic passing-name calculus to representation
and simulation of molecular processes.
Information Processing Letters, 80:25-31, 2001.
[Reg03]
A.Regev.
Computational system biology: A calculus for biomolecular knowledge.
2003.
[RS02]
A.Regev and E.Shapiro.
Cells as computations.
Nature, 419:343, 2002.
[1] R. Alur, C. Belta, F. Ivancic, V. Kumar, M. Mintz, G. H. Pappas, H. Rubin, and J. Shug. Hybrid Modeling of
Biomolecular Networks. In Proceedings of the 4th International Workshop on Hybrid Systems: Computation and Control, LNCS 2034, 2001.
[4] M. Antoniotti, A. Ferrari, A. Sangiovanni-Vincentelli, and E. Sentovich. Embedded System Design Specification:
Merging Reactive Control and Data Computations. In Proceedings of the 40th IEEE Conference on Decision and Control.
IEEE, December 2001.
[5] M. Antoniotti and A. Gollu. SHIFT and SMART-AHS: A Language for Hybrid Systems Engineering, Modeling, and
Simulation. In Conference on Domain Specific Languages, Santa Barbara, CA, U.S.A., October 1997. USENIX.
[6] M. Antoniotti, B. Mishra, C. Piazza, A. Policriti, and M. Simeoni. Modeling Cellular Behavior with Hybrid Automata:
Collapsing and Bisimulation. In Proceedings of CMSB 2003, February 2003.
[10] E. M. Clarke, D. E. Long, and K. L. McMillan. Compositional Model Checking. Technical Report CMUCS- 89-145, School
of Computer Science, Carnegie Mellon University, April 1989.
[12] D.L. Dill. Trace Theory for Automatic Hierarchical Verification of Speed-independent Circuits. MIT Press, 1989.
[13] E. A. Emerson. Temporal and Modal Logic. In J. van Leeuwen, editor, Handbook of Theoretical Computer Science,
volume B, chapter 16, pages 995–1072. MIT Press, 1990.
[14] F. Eska., D. Khorramabadi, and P. Varaiya. An Automated Highway System Simulator. Transportation Research Journal,
part C, 3(1), 1995.
[16] D. T. Gillespie. Exact Stochastic Simulation of Coupled Chemical Reactions. Journal of Physical Chemistry, pages
2340–2361, 1977.
[18] T. Henzinger, P. W. Kopke, A. Puri, and P. Varaiya. What’s Decidable about Hybrid Automata. In Symposium on the Theory of Computing (STOC), 373–382, 1995.
[25] G. Laferiere, G. J. Pappas, and S. Yovine. A New Class of Decidable Hybrid Systems. In Proceedings of the 2nd International Workshop on Hybrid Systems: Computation and Control, volume 1569 of LNCS, 137–151. Springer, 1999.
[31] S. Owre, J. Rushby, N. Shankar, and F. von Henke. Formal Veri.cation of Fault-Tolerant Architectures: Prolegomena to the Design of PVS. IEEE TSE, 21(2):107–125, 1995.
[32] G. J. Pappas, G. Laferiere, and S. Shastry. Hierarchically Consistent Control Systems. IEEE Transactions on Automatic Control, 45(6):1144–1160, June 2000.
[36] J. Schaff, C. C. Fink, B. Slepchenkop, J. H. Carson, and L. M. Loew. A General Computational Framework for Modeling Cellular Structure and Function. Biophysical Journal, 73:1135–1146, 1997.
[39] M. Tomita, K. Hashimoto, K. Takahashi, T. Shimizu, Y. Matsuzaki, F. Miyoshi, K. Saito, K. Yugi, J. C. Venter, and C. Hutchison. E-CELL: Software Environment for Whole-cell Simulation. Bioinformatics, 15(1):72–84, 1999.
[40] J. J. Tyson, K. Chen, and B. Novak. Network dynamics and cell physiology. Nature Reviews, 2:908–916, 2001.
[41] J. J. Tyson and B. Novak. Regulation of the Eukaryotic Cell Cycle: Molecular Antagonism, Hysteresis, and
Irreversible Transitions. Journal of Theoretical Biology, 210:249–263, 2001.
[42] P. Varaiya. Smart Cars on Smart Roads: Problems of Control. IEEE Transactions on Automatic Control, 38(2):195–207, 1993.
[44] E. O. Voit. Computational Analysis of Biochemical Systems A Practical Guide for Biochemists and Molecular Biologists. Cambridge University Press, 2000.
[46] M. Antoniotti, A. Policriti, N. Ugel, and B. Mishra. Model building and model checking for biochemical processes. Cell Biochemistry and Biophysics, 38(3):271–286, 2003.
[47] M. Antoniotti, B. Mishra, F. Park, A. Policriti, and N. Ugel. Foundations of a query and simulation system for the modeling of biochemical and biological processes. In R.B. Altman, A.K. Dunker, L. Hunter, T.A. Jung, and T.E. Klein,
editors, PSB 2003, pages 116–127. World Scientific.
Parole Chiave
BIOLOGIA DEI SISTEMI; BIOCONCORRENZA; CALCOLI E MODELLI ISPIRATI DALLA BIOLOGIA

Systems Biology: modellazione, linguaggi e analisi (Sybilla)

Università degli Studi di Trento
Abstract
Pianifichiamo di determinare tecniche e modelli (sia a livello linguistico testuale che grafico) di sistemi biologici complessi. Doteremo i nostri formalismi con strumenti di analisi del comportamento dinamico e della evoluzione temporale dei sistemi considerati riusando il più possibile i risultati della teoria della concorrenza e dei linguaggi formali. Utilizzeremo in questo progetto anche risultati dall'area della simulazione includendo informazioni quantitative nelle specifiche dei casi di studio. Infine investigheremo come i formalismi logici possono essere usati e adattai al nuovo dominio applicativo biologico.

Lo sviluppo descritto sopra è poi adattato, verificato e validato mediante casi di studio provenienti dalla letteratura e dall'interazione con gruppi biologici che ogni unità coinvolta nel progetto ha in altri progetti.

La fattibilità dell'approccio è mostrata realizzando srtumenti proof-of-concept basati sui framework teorici sviluppati nella prima fase di investigazione.

Il focus principale delle attività svolte è sull'informatica poichè si produrranno nuove primitive di calcoli e nuovi strumenti software di analisi che saranno poi istanziati al dominio biologico. Il positivo effetto collaterale di questa ricerca è che nuovi paradigmi computazionali potrebbero emergere prendendo ispirazione dal modo in cui la materia vivente manipola l'informazione.

Coordinatore Scientifico del Programma di Ricerca
Corrado PRIAMI Università degli Studi di TRENTO
Obiettivo del Programma di Ricerca
L'obiettivo ultimo della biologia dei sistemi è predirre il comportamento della materia vivente. Se noi possiamo determinare delle tecniche che ci consentono di modellare sistemi biologici per poi potereli analizzare e simulare siamo sulla giusta strada. In ultima analisi vogliamo comprendere il funzionamento delle cellule ad un giusto livello di aastrazione e vogliamo avere modelli che ci consentano di predirre dei comportamenti sconosciuti. Questi risultati ci consentirebbero di usare materia biologica come un flessibile strumento di manipolazione di informazione e quindi di calcolo.

Risultati parziali attesi
I risultati parziali attesi da questa fase sono:

- definizione di nuove primitive per modellare sistemi biologici mediante algebre di processo e loro estensione stocastica per gestire parametri quantitativi;

- nuovi modelli basati su automi ibridi e su logiche temporali ispirati dalla biologia;

- Estensione dei sistemi a membrane con probabilità per definire modelli di interazione insistemi biologici;I risultati attesi sono:

- generalizzazione degli automi ibridi e definizione di algoritmi efficienti per analizzare proprietà di sistemi biologici;

- definizione di strumenti di simulazione per sistemi ibridi, algebre di processo e sistemi a membrane;

- nuove tecniche per affrontare il problema del protein folding;

- riuso di strumenti esistenti per verificare modelli di sistemi biologici specifiacti mediante logiche;

- influenza reciproca dell'area della sicurezza informatica e modelli biologici , ad esempio del sistema immunitario;I risultati attesi sono:

- modellazione e analisi di sistemi biologici per per sintonizzare e validare le idee e gli strumenti proposti nelle altre fasi;

Durata
24 mesi
Base di partenza scientifica nazionale o internazionale
Uno dei problemi della biologia contemporanea consiste nella comprensione della dinamica dei geni e delle proteine all'interno delle cellule, quando danno origine ad un organismo vivente [Kitano02]. Sfortunatamente, non esistono tecniche sperimentali in grado di tracciare la dinamica del completo metaboloma di una cellula. Un approccio promettente è la rappresentazione delle relazioni conosciute tra elementi in un metaboloma virtuale, che porta ad una sorta di cellula virtuale [LS01]. Esistono numerose proposte di modellazione biochimica [GP98,DL03,NOMK99]. Qui, ci concentriamo sui metodi formali. Faremo una breve rassegna su quegli approcci che sfruttano le analogie tra le reti di cellule biochimiche e le reti di processi che eseguono calcoli.

Una rete di biocellule può essere vista come una macchina in grado di calcolare, composta di agenti di elaborazione che interagiscono e cooperano per raggiungere un obiettivo comune. Gli agenti calcolano autonomamente in modo indipendente e scambiano informazione tra di loro [RS02]. Questa descrizione informale si applica allo stesso modo ai sistemi concorrenti, nel cosí detto campo del "global computing". Questi sistemi sono composti da un largo numero di agenti di calcolo che possono essere mobili e comunicare tra loro, e che sono distribuiti geograficamente. È quindi naturale cercare di trasferire le tecniche prese dal campo del global computing per studiare il comportamento delle cellule
biologiche >>>